原书出处
机器学习算法原理与编程实践
07 第7章 预测的技术与哲学
据欧式距离使用RBF高斯函数进行曲线拟合。 从隐含层到输出层为一个线性函数。如果是预测,则使用最小二乘法的正规方程组。
与BP神经网络相比,RBF网络减少了误差反馈的权值更新环节,仅在隐含层使用高斯函数作为激活函数拟合数据集的非线性,而网络输出调整是线性的,因而学习速度比BP网络要快很多,并能够避免局部极小问题。
RBF径向基函数的激活函数如下: 式中: xp = 是第p个输入样本。 p=1,2,…,P,P表示样本总数。 ci 是
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00025.html
EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d